Verslo paslaugų sektorius — advokatūra, apskaita, konsultavimas, personalo paslaugos, teisinis ir mokestinis patarimas — iš esmės parduoda tai, ką sunku automatizuoti be diskusijų: sprendimą. Kai fabrikas optimizuoja procesą, o parduotuvė valdo asortimentą, šis sektorius parduoda žmonių, kurie žino tai, ko klientas nežino, kompetenciją. Tai daro santykį tarp ambicijos ir pasirengimo kitokį nei kitur. Susidomėjimas AI yra didelis, dažnai didesnis nei sektoriuose su mažesne marža ant žinių. Bet klausimas, ar organizacija gali tą susidomėjimą pernešti, dažnai užstringa dalyse, kurios su AI nieko bendro neturi.
Daugelis verslo paslaugų sektoriaus kontorų išsivystė aplink partnerį, vyresnįjį patarėją, žmogų su tinklu ir atmintimi. Žinios yra galvose, laiškų susirašinėjimuose, bylose, sukurtose pagal klientą ar bylą, ne bendrose sistemose, kurios tarpusavyje susijungia. Tai veikia gerai, kol žmonės pasilieka. Tai tampa problema, kai norite pastatyti kažką, kas turi galėti remtis tomis žiniomis. AI, kuriai reikia dirbti su bylomis, precedentais ar klientų korespondencija, reikia ko nors, ant ko veikti: struktūros, kurioje informacija būtų randama ir palyginama. Ta struktūra dalyse sektoriaus dar trūksta, ne dėl nenoro, bet nes pats darbas tos struktūros niekada nereikalavo.
Penki matavimo lygiai — bazinis, pagrindas, aktyvacija, įžvalga, intelektas — šiame sektoriuje rodo nevienodą vaizdą pagal dimensiją, ir šis vaizdas retai yra vienodas. Kai kurios kontoros turi savo duomenų valdymą sutvarkytą: bylos yra struktūruotos, prieigos teisės sureguliuotos, yra supratimas, kas kur yra. Bet IT infrastruktūra už to yra pasenusi arba susiskaidžiusi tarp atskirų programų, kurios tarpusavyje nebendrauja. Kitose kontorose yra tiksliai atvirkščiai: modernios sistemos, bet organizaciniu požiūriu nėra aiškumo, kas dėl ko sprendžia, kas gali patvirtinti AI taikymą, ar kas yra atsakingas, jei kas nors nutiktų. Abi situacijos veda prie to pačio rezultato — pilotinis projektas, kuris savaime veikia gerai, bet nesiplečia, nes pagrindinės dimensijos nėra vienodo lygio. Tai yra eiliškumas, kurį matavimas atskleidžia: organizacija, infrastruktūra ir duomenų valdymas turi pirmiausia pasiekti kokį nors lygį, kad priklausomos dimensijos, tokios kaip automatizuotas testavimas ar nuolatinis optimizavimas, iš to turėtų naudos.
Diagramos etapas, kuriame keli žmonės vertina atskirai, verslo paslaugų sektoriuje dažnai rodo konkretų modelį: partneris ar direktorius vertina organizaciją aukščiau nei patarėjas, kuris kasdien dirba su bylomis. Šis skirtumas kažką sako. Tai gali reikšti, kad sprendimai apie AI priimami direkcijos lygmenyje, nepasiekiant darbo lygmens, arba kad darbo lygmuo jau seniai kovoja su sistema, kuri iš viršaus vertinama kaip pakankama. Abu interpretacijos yra naudingos, ir abi galima padaryti matomas tik leidžiant skirtingiems žmonėms vertinti atskirai, ne prašant vieno įspūdžio iš to, kas sudaro ataskaitą.
Tai, kas šį sektorių skiria nuo, pavyzdžiui, mažmeninės prekybos ar maitinimo ir viešbučių sektoriaus, yra pačių duomenų jautrumas. Advokatų kontora ar apskaitos įmonė dirba su informacija, kuriai taikoma konfidencialumo pareiga, drausminė teisė, taisyklės, kurios netaikomos parduotuvės atsargoms ar meniu sąrašui. Tai tiesiogiai paveikia duomenų valdymo dimensiją: ne tik ar duomenys yra randami, bet ar tie duomenys yra saugomi ir apsaugoti tokiu būdu, kuris leidžia naudoti AI nepažeidžiant konfidencialumo. Tai reikalauja kitokio tempo nei sektoriuose, kur duomenys yra mažiau jautrūs, ir šis tempo skirtumas matomas šios dimensijos rezultatuose.
Modelis, kai didelė ambicija egzistuoja kartu su nepilnu pagrindu, nėra unikalus verslo paslaugų sektoriui. IT sektoriuje dažnai vyksta atvirkštinė problema — stipri infrastruktūra be organizacinio aiškumo — o finansinių paslaugų sektoriuje atidėjimas dažnai kyla iš reguliavimo, kuris keičiasi greičiau, nei sistemos gali tai atspindėti. Palyginimas nėra skirtas padaryti vieną sektorių geresnį ar prastesnį už kitą, bet parodyti, kad eiliškumas — pirma pagrindinės dimensijos, tada priklausomos — yra tas pats visur, net jei įgyvendinimas kiekviename sektoriuje atrodo kitaip.
Šis matavimas nieko nesako apie tai, kokias užduotis kontoros viduje galima perduoti AI, ir kiek laiko tai galėtų atlaisvinti. Tai kitas klausimas, kuriam reikia kito žvilgsnio: ne į organizaciją kaip visumą, bet į patį darbą, užduotį po užduoties. Kas po šio matavimo norėtų žinoti, kas, atsižvelgiant į dabartinį pasirengimą, iš tikrųjų tinka AI, tą ras FTE TO AI darbo skanavime, kuris apskaičiuoja, kokią dalį kiekvienos užduoties galima perduoti.
Įrankis, kuris vykdo brandumo matavimą ir diagramos etapą, dar kuriamas. Kas norėtų juo pasinaudoti, kai jis bus pasiekiamas, gali užsiregistruoti laukimo sąraše.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.